第958章 目标轮廓识别

第958章 目标轮廓识别 (第1/2页)

如今在偏微分方程求解这方面，常浩南要是说没有问题，那至少在国内，不太可能轻易跳出一个人来质疑这个结论。
　　
　　因此，众人就算是基本认可了自己的下一步工作，就是寻找图像处理手段与特定偏微分方程之间的对应关系。
　　
　　不过，对于一个真正的海洋监视系统……或者说对于整个图像识别和处理技术来说，这仍然只能算是走完了第一步。
　　
　　甚至是第一步当中的第一個动作——
　　
　　即便就“图像分割”环节来说，也仍然有其他需求亟待解决。
　　
　　当然，常浩南给出的思路确实是足够新颖的。
　　
　　于是很快就有人开始举一反三：
　　
　　“常总，如果单个水平集函数可以做到把图像分为背景区域和目标区域，也就是进行一次两相分割，那如果我们同时利用多个水平集函数，是否就可以完成对多相图像的分割？”
　　
　　“理论上，当然是这样。”
　　
　　常浩南回答道：
　　
　　“当一副图像中包括的信息较多，无法简单拆分为目标和背景两部分时，就需要考虑多相变分水平集问题。”
　　
　　“不过，多相问题的复杂程度就要更上一个台阶。”
　　
　　说完之后，他回头在黑板上画了一个正方形。
　　
　　“我们可以简单地认为，每个水平集方程就是在图像中划定一片区域，也就是这一个正方形。”
　　
　　“当只有一个正方形时，图像会被，而且只会被分为内和外两个部分，并不存在第二种分法。”
　　
　　“但是。”
　　
　　常浩南又在黑板上画出了第二个正方形，并在两个图形当中分别标注了1和2：
　　
　　“当出现第二个正方形时，变量并不是多出来了一个，而是多出来了两个，也就是第二个正方形本身，以及两个正方形之间的位置关系。”
　　
　　“如果两个正方形不重叠，那么整个图像将会被分为三个区域，也就是1号内、2号内和1、2号外。”
　　
　　“而如果两个正方形重叠，那么整个图像则会被分为四个区域，1号内2号外、1号外2号内、1号内2号内和1号外2号外……”
　　
　　“实际上，当我们为了划分一副图像而设置多个水平集函数时，那么最多可以将该图像分为2^N个区域，最少则可以将该图像分为N个区域，因此分类难度并不是直线上升，而是指数级上升……”
　　
　　“……”
　　
　　这部分内容如果用数学语言描述实际上相当复杂，但常浩南完全用大白话来解释，反倒显得浅显易懂了。
　　
　　“所以……”
　　
　　刚才提问的那个人也明白过来：
　　
　　“我们还要首先规定一个水平集设计方案，才能具体完成多相图的区域划分？”
　　
　　“没错，但也不完整。”
　　
　　常浩南把只剩下最后一小截的粉笔丢进旁边的粉笔盒：
　　
　　“看似只是在软件设计逻辑上多了个自由度，但实际上，除了分割为N个或2^N个区域这种极端情况以外，都还要增加额外的约束条件，计算量总之是比较吓人的。”
　　
　　“哪怕是最简单的多相图分割，就是刚刚说的用两个水平集函数划分4个区域，也要出现4个局部灰度拟合函数，然后利用变分水平集方法最小化总能量泛函，这个过程需要解8个欧拉-拉格朗日方程，更复杂的情况你们就自己想好了……”
　　
　　“另外，一张照片里拍到两个高价值特定目标的概率本来就非常低，就算真的凑巧出现这种情况，只要能识别出其中任意一个，并把图像正确归类为重点回传到地面，那效果也是一样的，毕竟我们还有的地面分析人员和军队指挥员，又不是只会依靠卫星提供的信息打仗。”
　　
　　

（本章未完，请点击下一页继续阅读）